视觉与 3D
共 370 个仓库 · 一年内有推送
UNet++ 的官方实现，通过嵌套密集跳跃连接缩小编码器与解码器之间的语义鸿沟，提升医学图像分割精度，提供 Keras 和 PyTorch 版本。
基于 C++ 的深度学习服务端与命令行工具，封装 Torch、TensorRT 等后端，通过 REST API 提供图像分类、目标检测、分割和以图搜图能力。
汇总深度学习目标跟踪与检测的论文、数据集和代码资源，方便快速查找该领域的模型与实现。
从单张图片生成结构化、可分解的 3D 网格模型，把物体拆成多个部件分别建模，方便后续编辑和装配。
轻量级裸露内容检测模型，可识别图片中的 NSFW 内容，支持 Keras 和 ONNX Runtime 推理，适合做内容审核和过滤。
用光线追踪和混合光栅化渲染高斯粒子的 3D 重建工具，能提升高斯泼溅场景的渲染质量与真实感。
实时紧耦合激光雷达-惯性-视觉里程计与建图系统，输出带RGB颜色的稠密点云和网格，适合无人机、机器人在复杂场景下做鲁棒SLAM与三维重建。
一键把视频和图片转成 3D Gaussian Splatting 模型的本地桌面应用，不用命令行和云端，适合快速做三维重建。
通用细胞分割算法，支持人工介入校正分割结果，适用于各类显微图像中的细胞检测与分割任务。
一套开箱即用的 LiDAR 里程计与建图管线，基于点到点 ICP 实现，无需调参即可在机器人上稳定运行，支持 ROS/ROS2。
快速且鲁棒的点云配准 C++ 库，支持 3D 重建、SLAM 和机器人场景下的点云对齐，能在大量外点下稳定求解配准。
Objectron 是面向 3D 物体检测的数据集，包含约 1.5 万段以物体为中心的短视频和 400 万张标注图像，每帧都带 3D 包围盒和 AR 相机位姿，可用于训练从多视角估计物体位置、朝向和尺寸的模型。
跨厂商 3D 高斯泼溅训练器，能把视频转成 splat 再生成网格，支持 Vulkan 或 CUDA 后端，并带量化训练加速。
让 .NET 开发者用 C#、VB 或 MAUI 直接调用 OpenCV 做图像处理和计算机视觉，省去自己封装原生库的麻烦。
给普通监控摄像头加上目标检测、跟踪、手机通知和录像搜索能力，支持 RTSP 接入，可自建 NVR 替代商业方案。
MambaVision 是 CVPR 2025 提出的混合 Mamba-Transformer 视觉骨干网络，用 PyTorch 实现，可直接用于图像分类、目标检测和分割等视觉任务。
面向卫星和航拍影像的深度学习库与框架，基于 PyTorch 提供遥感场景下的分类、目标检测和语义分割训练与推理能力。
为 ComfyUI 提供抠图与分割节点，集成 RMBG、BiRefNet、SAM、YOLO、GroundingDINO 等模型，可去背景并分割物体、人脸、服装。
秒级生成任意 3D 场景的生成模型，支持文本或图像输入，可用于快速搭建三维世界与场景重建。
从视频中估计相机位姿、深度和相机内参的 3D 感知引擎，为几何三维重建与空间理解提供基础数据。
一套面向移动机器人和自动驾驶的 C++ 工具库，提供 SLAM、计算机视觉、地图构建、粒子滤波和运动估计等模块，省去从零搭建底层算法。
汇总 NeRF 与 3D Gaussian Splatting 在 SLAM 和机器人领域的论文、视频与代码，方便快速跟进隐式表示与三维重建的同步定位建图研究。
TurtleBot3 的 ROS 功能包集合，提供移动机器人导航、SLAM 建图与 Gazebo 仿真支持，适合做机器人教学和算法验证。
把 DINOv3 的强表征能力引入实时目标检测，DEIMv2 在保持实时推理速度的同时显著提升检测精度，适合需要快速部署的目标检测场景。